| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 颗粒特征的提取 | 第9-10页 |
| 1.2.2 颗粒识别的研究现状 | 第10页 |
| 1.2.3 颗粒跟踪的研究现状 | 第10-11页 |
| 1.3 本文的贡献 | 第11-12页 |
| 1.4 本文的工作安排 | 第12-14页 |
| 第2章 沉降颗粒特征提取和模糊划分熵分割研究 | 第14-27页 |
| 2.1 沉降颗粒的特征分析 | 第14-20页 |
| 2.1.1 沉降颗粒的灰度特征 | 第14-17页 |
| 2.1.2 沉降颗粒的形态特征 | 第17-18页 |
| 2.1.3 沉降颗粒的运动特征 | 第18-20页 |
| 2.2 沉降颗粒的模糊划分熵多阈值分割算法 | 第20-24页 |
| 2.2.2 模糊熵准则 | 第21-23页 |
| 2.2.3 基于改进遗传算法的参数寻优 | 第23-24页 |
| 2.3 沉降颗粒图像分割实验 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于模糊综合评判的颗粒的识别研究 | 第27-39页 |
| 3.1 沉降图像的递推模糊划分熵多阈值分割算法及图割优化 | 第27-35页 |
| 3.1.1 递推的模糊划分熵计算 | 第27-33页 |
| 3.1.2 不同优化算法的阈值搜索 | 第33-34页 |
| 3.1.3 图割的空间相关性优化 | 第34-35页 |
| 3.2 基于模糊综合评判的颗粒目标识别 | 第35-38页 |
| 3.2.1 模糊综合评判法 | 第35-37页 |
| 3.2.2 基于模糊综合评判的颗粒目标识别 | 第37-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 基于改进的YOLO框架的颗粒目标识别 | 第39-47页 |
| 4.1 基于YOLO损失函数的改进 | 第40-42页 |
| 4.2 改进的inception结构模型 | 第42-43页 |
| 4.3 改进的SPP结构模型 | 第43-44页 |
| 4.4 与其它网络模型的对比 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 沉降颗粒目标的跟踪 | 第47-56页 |
| 5.1 运动模型建立 | 第47-49页 |
| 5.2 最大距离预测法 | 第49-54页 |
| 5.2.1 最邻近搜索法 | 第50页 |
| 5.2.2 探测窗口的选择 | 第50-51页 |
| 5.2.3 最大距离预测法 | 第51-54页 |
| 5.3 沉降颗粒匹配关联 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 实验与分析 | 第56-66页 |
| 6.1 实验来源与实验环境 | 第56页 |
| 6.2 沉降颗粒的识别 | 第56-60页 |
| 6.3 沉降颗粒的跟踪 | 第60-65页 |
| 6.4 本章小结 | 第65-66页 |
| 第7章 总结与展望 | 第66-68页 |
| 7.1 总结 | 第66-67页 |
| 7.2 展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第72页 |